Direkt zum Inhalt

Pfadnavigation

  1. Startseite
  2. Mathematik Abitur
  3. 13 Wahrscheinlichkeitstheorie
  4. 13.5 Binomialverteilung
  5. 13.5.7 Normalverteilung
  6. Dreiecksverteilung (simpsonsche Verteilung)

Dreiecksverteilung (simpsonsche Verteilung)

Die Dreiecksverteilung wird in den meisten Lehrbüchern zur Stochastik kaum erwähnt bzw. nur am Rande behandelt. Das mag seinen Grund darin haben, dass diese Verteilung kein eigenständiges, aus der Praxis stammendes Anwendungsgebiet besitzt.
Die erste Abhandlung über diese Form der Verteilung von Zufallsgrößen in der Geschichte der Wahrscheinlichkeitstheorie stammt vom englischen Mathematiker THOMAS SIMPSON (1710 bis 1761), deshalb spricht man mitunter auch von der simpsonschen Verteilung.

Schule wird easy mit KI-Tutor Kim und Duden Learnattack

  • Kim hat in Deutsch, Mathe, Englisch und 6 weiteren Schulfächern immer eine von Lehrkräften geprüfte Erklärung, Video oder Übung parat.
  • 24/7 auf Learnattack.de und WhatsApp mit Bildupload und Sprachnachrichten verfügbar. Ideal, um bei den Hausaufgaben und beim Lernen von Fremdsprachen zu unterstützen.
  • Viel günstiger als andere Nachhilfe und schützt deine Daten.
Jetzt 30 Tage risikofrei testen
Your browser does not support the video tag.

THOMAS SIMPSON war von Beruf Weber. Seinen Lebensunterhalt verdiente er sich vor allem als Mathematiklehrer (zuerst an einer Abendschule in Derby und später an der Königlichen Militärakademie in London). Sein Hauptinteresse galt der Wahrscheinlichkeitsrechnung und der Analysis. Bekannt geworden ist er auch durch die simpsonsche Formel zur näherungsweisen Flächenberechnung.

Mit der Dreiecksverteilung diskreter Zufallsgrößen beschäftigte sich SIMPSON, um die in der damaligen Praxis übliche Verwendung des arithmetischen Mittels zum Messfehlerausgleich als gerechtfertigt nachzuweisen. Er zeigte, dass diese Verfahrensweise sinnvoll ist, wenn die Häufigkeiten von n äquidistanten diskreten Messwerten ein Dreieck bilden, wenn also z.B. gilt:

Messwert- 4- 3- 2- 101234
Häufigkeit123454321

Vergleiche dazu auch die folgende Abbildung.

  • Dreiecksverteilung diskreter Zufallsgrößen

Diesen Ansatz für eine diskrete Dreiecksverteilung kann man auf stetige Wahrscheinlichkeitsverteilungen ausdehnen.

  • Definition: Eine stetige Zufallsgröße X heißt dreiecksverteilt über dem Intervall [ a ;   b ] , wenn sie die Wahrscheinlichkeitsdichte f mit
    f ( x ) = { 2 b − a ⋅ ( 1 − 2 b − a ⋅ |   x − a + b 2   | ) f ü r       a ≤ x ≤ b 0                                                                                                                   s o n s t                          
    besitzt, d.h. wenn der Graph von f die Form eines gleichschenkligen Dreiecks hat.
  • Dichtefunktion einer dreiecksverteilten stetigen Zufallsgröße

Für eine dreiecksverteilte stetige Zufallsgröße X gilt:
  P ( X < a ) = 0   P ( a ≤ X ≤ a + b 2 ) = P ( a + b 2 ≤ X ≤ b ) = 1 2   P ( X > b ) = 0

Für die zugehörige Verteilungsfunktion F dieser Zufallsgröße erhält man:
  F ( x ) = P ( X ≤ x ) = ∫ −   ∞ x f ( t ) d t = { 0                                                           f ü r       x < a                                       2 ⋅ ( x − a b − a ) 2               f ü r       a ≤ x ≤ a + b 2     1 − 2 ⋅ ( b − x b − a ) 2 f ü r       a + b 2 ≤ x ≤ b 1                                                             f ü r       x > b                                

  • Verteilungsfunktion einer dreiecksverteilten stetigen Zufallsgröße

Die beiden wichtigsten Kenngrößen von X, der Erwartungswert und die Streuung, nehmen folgende Werte an:
  E X = a + b 2 ;         D 2 X = ( b − a ) 2 24

  • Beispiel: Mit einem LAPLACE-Würfel (kurz L-Würfel) werde zweimal gewürfelt und es wird die Summe der geworfenen Augenzahlen gebildet. Die Augensumme ist eine diskrete Zufallsgröße Y mit den elf ganzzahligen Werten 2 bis 12.
    Welche Wahrscheinlichkeitsverteilung P mit P ( Y = i ) = p i besitzt diese Zufallsgröße?

Die folgende Tabelle gibt die Wahrscheinlichkeitsverteilung wieder.

Augen-
summe i
günstige Ergebnisse für die AugensummeAnzahl p i
2(1; 1)1 1 36
3(1; 2), (2; 1)2 2 36
4(1; 3), (2; 2), (3; 1)3 3 36
5(1; 4), (2; 3), (3; 2), (4; 1)4 4 36
6(1; 5), (2; 4), (3; 3), (4; 2), (5; 1)5 5 36
7(1; 6), (2; 5), (3; 4), (4; 3), (5; 2), (6; 1)6 6 36
8(2; 6), (3; 5), (4; 4), (5; 3), (6; 2)5 5 36
9(3; 6), (4; 5), (5; 4), (6; 3)4 4 36
10(4; 6), (5; 5), (6; 4)3 3 36
11(5; 6), (6; 5)2 2 36
12(6; 6)1 1 36

Die Zufallsgröße Y besitzt als Wahrscheinlichkeitsverteilung eine diskrete Dreieckverteilung. Dieses theoretisch gewonnene Ergebnis kann experimentell und interaktiv bestätigt werden, indem man das zweimalige Würfeln mit einem L-Würfel simuliert und 1000 derartige Simulationen als Histogramm darstellen lässt.

  • Simulation durch zweimaliges Würfeln mit einem L-Würfel
  • Histogramm zur Simulation (zweimaliges Würfeln mit einem L-Würfel)

Dieses Ergebnis lässt sich folgendermaßen verallgemeinern:

  • Es seien X 1       u n d       X 2 zwei unabhängige und über dem Intervall [ a ;   b ] gleichverteilte stetige Zufallsgrößen mit der gleichen Dichtefunktion
      f : x ↦ { 1 b − a   f ü r       a ≤ x ≤ b 0                       s o n s t                      
    Dann ist die Zufallsgröße Y = X 1 + X 2 stetig dreiecksverteilt.
Lernhelfer (Duden Learnattack GmbH): "Dreiecksverteilung (simpsonsche Verteilung)." In: Lernhelfer (Duden Learnattack GmbH). URL: http://www.lernhelfer.de/index.php/schuelerlexikon/mathematik-abitur/artikel/dreiecksverteilung-simpsonsche-verteilung (Abgerufen: 10. June 2025, 01:12 UTC)

Suche nach passenden Schlagwörtern

  • L-Würfel
  • Berechnung
  • arithmetisches Mittel
  • Mathcad
  • Laplace-Würfel
  • Messwerte
  • dreiecksverteilt
  • Messfehler
  • interaktives Rechenbeispiel
  • simpsonsche Verteilung
  • stetige Zufallsgröße
  • Simpson
  • Zufallsgrößen
  • diskrete Zufallsgröße
  • Dreieckverteilung
Jetzt durchstarten

Lernblockade und Hausaufgabenstress?

Entspannt durch die Schule mit KI-Tutor Kim und Duden Learnattack.

  • Kim hat in Deutsch, Mathe, Englisch und 6 weiteren Schulfächern immer eine von Lehrkräften geprüfte Erklärung, Video oder Übung parat.
  • 24/7 auf Learnattack.de und WhatsApp mit Bildupload und Sprachnachrichten verfügbar. Ideal, um bei den Hausaufgaben und beim Lernen von Fremdsprachen zu unterstützen.
  • Viel günstiger als andere Nachhilfe und schützt deine Daten.

Verwandte Artikel

Daniel Bernoulli

* 08. Februar 1700 Groningen
† 17. März 1782 Basel

Auf mathematischem Gebiet beschäftigte sich DANIEL BERNOULLI vor allem mit Problemen der Wahrscheinlichkeitsrechnung und Statistik. Darüber hinaus arbeitete er über Reihen und Differenzialgleichungen.
Seine bedeutendsten wissenschaftlichen Leitungen erzielte er auf dem Gebiet der Hydromechanik, indem ihm die mathematische Beschreibung strömender Flüssigkeiten gelang.

Erwartungswert von Zufallsgrößen

Da Zufallsgrößen oftmals sehr komplizierte mathematische Gebilde sind, sucht man nach zahlenmäßigen Kenngrößen, die über die Zufallsgröße Wesentliches aussagen und zugleich aus Beobachtungsdaten zumindest näherungsweise einfach zu bestimmen sind.
Eine derartige Kenngröße ist der Erwartungswert.

  • Es sei X eine endliche Zufallsgröße, die genau die Werte x i       ( m i t       i ∈ { 1 ;   2 ;   ... ;   n } ) annehmen kann, und zwar jeweils mit der Wahrscheinlichkeit P ( X = x i ) . Dann nennt man die folgende Kenngröße den Erwartungswert der Zufallsgröße X:
    E X = x 1 ⋅ P ( X = x 1 ) + x 2 ⋅ P ( X = x 2 ) + ... + x n ⋅ P ( X = x n )

Anmerkung: Für EX schreibt man auch E ( X ) ,       μ ( X ) ,       μ X       o d e r       μ .

Kenngrößen von Zufallsgrößen

Eine Zufallsgröße wird vollständig durch ihre Verteilungsfunktion beschrieben. Diese gibt an, welche Werte die Zufallsgröße annehmen kann und mit welchen Wahrscheinlichkeiten sie dies tut.
In der Praxis möchte man allerdings meist mit möglichst wenigen, aber typischen Angaben auskommen, denn oftmals reicht schon eine grobe Vorstellung von der Zufallsgröße aus. Es kommt hinzu, dass die Verteilungsfunktion mitunter gar nicht oder nur schwer bestimmbar ist.

Man sucht deshalb nach Kenngrößen (manchmal spricht man auch von Parametern), die einen hinreichenden Aufschluss und eine quantitative Charakterisierung einer Zufallsgröße ermöglichen. Dies leisten Kenngrößen wie Erwartungswert, Median und Modalwert sowie die Streuung (bzw. Varianz) der Zufallsgröße.
Zur Charakterisierung der Asymmetrie einer Zufallsgröße benutzt man darüber hinaus die Kenngröße Schiefe. Eine Definition dieser Kenngröße geht auf den Vater der mathematischen Statistik KARL PEARSON (1857 bis 1936) zurück.

Dichtefunktion stetiger Zufallsgrößen

Wir nähern uns dem Begriff der Dichtefunktion stetiger Zufallsgrößen mittels eines Anwendungsbeispiels.

Carl Friedrich Gauß

* 30. April 1777 Braunschweig
† 23. Februar 1855 Göttingen

Der oft als „Princeps mathematicorum“ (Fürst der Mathematik) bezeichnete CARL FRIEDRICH GAUSS erzielte bahnbrechende Leistungen in Mathematik, Physik, Astronomie und Geodäsie.
Auf mathematischem Gebiet beschäftigte er sich vor allem mit Probemen der Zahlentheorie und Algebra sowie mit Fragen der numerischen Mathematik. Durch neue Berechnungsmethoden schuf er die Grundlagen für eine exakte Bestimmung der Planetenbahnen.
Gemeinsam mit dem Physiker WILHELM WEBER trug GAUSS wesentlich zur Erforschung des Erdmagnetismus und zur Aufstellung eines absoluten Maßsystems bei. Weitere erwähnenswerte Leistungen sind die Bestimmung der Lage der Magnetpole der Erde sowie die Entwicklung des elektromagnetischen Telegrafen.

Ein Angebot von

Footer

  • Impressum
  • Sicherheit & Datenschutz
  • AGB
© Duden Learnattack GmbH, 2025